Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Cancer Survival Analysis01:21

Cancer Survival Analysis

453
Cancer survival analysis focuses on quantifying and interpreting the time from a key starting point, such as diagnosis or the initiation of treatment, to a specific endpoint, such as remission or death. This analysis provides critical insights into treatment effectiveness and factors that influence patient outcomes, helping to shape clinical decisions and guide prognostic evaluations. A cornerstone of oncology research, survival analysis tackles the challenges of skewed, non-normally...
453
このページは機械翻訳されています。他のページは英語で表示される場合があります。View in English
  1. ホーム
  3. 研究分野
  5. 生物医学と臨床科学
  7. 腫瘍学とがん発生
  9. 予測・予測マーカー
  11. 食道状細胞癌の新補助療法における腫瘍回帰度評価システムの比較分析と最適化

食道状細胞癌の新補助療法における腫瘍回帰度評価システムの比較分析と最適化

Qiao Yang1, Xiaoqing Zhou1, Jiayu Li1

  • 1Department of Pathology, Sichuan Cancer Center, School of Medicine, Sichuan Cancer Hospital & Institute, University of Electronic Science and Technology of China, Chengdu, Sichuan, China.

BMC cancer
|August 21, 2025

関連する実験動画

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

193
Development of Compendium for Esophageal Squamous Cell Carcinoma
03:36

Development of Compendium for Esophageal Squamous Cell Carcinoma

Published on: April 12, 2024

528
Establishment and Histological Analysis of Esophageal Organoids Modeling the Progression from Normal to Cancerous Tissues
05:57

Establishment and Histological Analysis of Esophageal Organoids Modeling the Progression from Normal to Cancerous Tissues

Published on: May 30, 2025

464

PubMed で要約を見る

まとめ
この要約は機械生成です。

改造されたTRGシステムは,食道がんの新補助療法後のリンパ節の予後を最もよく予測します. このシステムは 優れたリスクの階層化を提供し 患者の治療経路を最適化するのに役立ちます

科学分野:

  • 腫瘍学
  • 胃腸内科
  • 外科病理学

背景:

  • 食道がんの治療には Neoadjuvant療法が不可欠です.
  • 治療反応の正確な評価は,患者の予後のために不可欠です.
  • 腫瘍回帰格付け (TRG) システムは,治療に対する病理的反応を評価する.

研究 の 目的:

  • 食道がんに対する5つのTRGシステム (Mandard,CAP,Becker,JSED,Ryan) の有効性を比較する.
  • 主要腫瘍 (PT) とリンパ節 (LN) の予後を予測するための最適なTRGシステムを特定する.
  • TRGシステムのオブザーバー間の一貫性を評価する.

主な方法:

  • 467人の食道状細胞がん患者の遡及分析.
  • 5つのTRGシステムの評価: マンダード,CAP,ベッカー,JSED,ライアン
  • PTとLNの予測におけるTRGのパフォーマンスの評価と観察者間の合意

主要な成果:

  • TRGシステムはPTよりもLNの予後を良く示した.
  • ライアン基準では,観察者間の一貫性が最も高い (Kappa=0. 848) が,予測効果は最も低い (AUC=0. 502).
  • ベッカーの基準では最も高い予測効果 (AUC=0. 609) が認められ,一貫性は良好でした (Kappa=0. 788). 修正されたTRGシステムは,より高いAUC (0. 624) と優れた一貫性 (Kappa=0. 904) を達成した.
キーワード:
食道がんリンパ節予測腫瘍の回帰度

関連する実験動画

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

193
Development of Compendium for Esophageal Squamous Cell Carcinoma
03:36

Development of Compendium for Esophageal Squamous Cell Carcinoma

Published on: April 12, 2024

528
Establishment and Histological Analysis of Esophageal Organoids Modeling the Progression from Normal to Cancerous Tissues
05:57

Establishment and Histological Analysis of Esophageal Organoids Modeling the Progression from Normal to Cancerous Tissues

Published on: May 30, 2025

464

結論:

  • 改造されたTRGシステムは,LNの優れた予後能力を示しています.
  • このシステムは食道がん患者のリスク分化効果を高めています.
  • 治療戦略と患者のアウトカムを最適化するために,修正されたTRGシステムを使用することを支持しています.